View
8
Download
0
Category
Preview:
Citation preview
La estructura de capital de las aerolíneas
Carolina Arango Cadavid
César Daniel Cadena Silva
Colegio de Estudios Superiores de Administración - CESA
Maestría Finanzas Corporativas
Bogotá
2018
P á g i n a 2 | 41
La estructura de capital de las aerolíneas
Carolina Arango Cadavid
César Daniel Cadena Silva
Edgardo Cayón Fallón
Director MBA Colegio de Estudios Superiores de Administración
Colegio de Estudios Superiores de Administración - CESA
Maestría Finanzas Corporativas
Bogotá
2018
P á g i n a 3 | 41
Tabla de contenido
Introducción ........................................................................................................................................ 4
Historia de la aviación ..................................................................................................................... 4
Justificación ......................................................................................................................................... 6
Estado del arte ..................................................................................................................................... 8
Valor de garantía de los activos ...................................................................................................... 9
Impuestos (beneficio fiscal no asociado a deuda) ......................................................................... 10
Rentabilidad .................................................................................................................................. 11
Objetivos de la Investigación ............................................................................................................ 12
Desarrollo .......................................................................................................................................... 13
Marco teórico ................................................................................................................................ 13
Tesis tradicional con relación al apalancamiento y la estructura de capital .............................. 13
Modelo Modigliani – Miller ...................................................................................................... 13
Teoría costos de la Agencia ...................................................................................................... 15
Metodología .................................................................................................................................. 16
Recolección de Datos ................................................................................................................ 16
Panel de Datos ........................................................................................................................... 16
Especificación del Modelo Panel de datos ................................................................................ 17
Resultados ......................................................................................................................................... 23
Análisis de la información de la muestra ...................................................................................... 23
Método Mínimos Cuadrados Ordinarios ....................................................................................... 25
Método Efectos Fijos .................................................................................................................... 26
Efectos en el Modelo con Variables Dummy ................................................................................ 28
Conclusión......................................................................................................................................... 30
Anexo 1 ............................................................................................................................................. 34
P á g i n a 4 | 41
Introducción
Historia de la aviación
La aviación y el mercado aeronáutico, son unos de los mayores responsables en el desarrollo
económico a lo largo de los últimos años y del entorno globalizado en el que vivimos en la
actualidad. La consolidación de este mercado e industria se ha venido dando a lo largo del
último siglo, pasando de ser el sueño de unos pocos emprendedores a ser un mercado
sofisticado alrededor del cual se ha generado toda una economía, mediante la interacción de
todos los grupos de interés inmersos en la misma (Iatrou, 2014).
En enero de 1914 se realizó un vuelo saliendo de San Petersburgo, Florida, con
destino a la ciudad de Tampa, el cual es considerado como el primer vuelo comercial en la
historia (Iatrou, 2014). Sin embargo, aunque este acontecimiento haya ocurrido a principios
de los años 1900, el transporte aéreo se encontraba enfocado en el mercado de transporte de
correo, dejando de lado el desarrollo del transporte civil o comercial debido a las
insuficiencias de acuerdo, globales y acuerdos entre los Estados. No fue sino hasta 1944
cuando 54 estados se reunieron en la ciudad de Chicago y firmaron El Convenio sobre
Aviación Civil Internacional, también conocido como el Convenio de Chicago, en el cual se
establecieron las normas para el sano desarrollo del trasporte civil y unas de las bases
regulatorias más importantes de la aviación como lo son las libertades aéreas (Interntional
Civil Aviation Organization, 2016).
En 1978 se da lugar al acto de desregularización del mercado aeronáutico que acabó
con el ente creado para controlar entradas, salidas, rutas, precios, entre otros factores que
limitaban el crecimiento de la industria y la hacían insostenible en el tiempo. Esta
desregularización actuó como un catalizador importante para el desarrollo de la misma, ya
que permitió la entrada de nuevos competidores al mercado, liberación de precios,
incremento del load factor, libertad en inversiones de capital, entre otros, que permitieron a
las aerolíneas disminuir el costo de vuelo y así ampliar su mercado (Smith Jr. & Cox, 2008).
Lo anterior se ve reflejado en el siguiente grafico
P á g i n a 5 | 41
Gráfico No. 1
Evolución del transporte de pasajeros 1950 - 2014
Nota: Grafico tomado de Worl Economic Forum 2015
La desregularización impulsó el mercado y a la vez volvió competitiva la industria.
Así como lo menciona Christopher J. Goodman (2008), las aerolíneas se pueden dividir en
tres grandes grupos: aerolíneas de red, aerolíneas de bajo costo y aerolíneas regionales. El
primer tipo de aerolíneas se basa en su gran despliegue de red para poder ofrecer la mayor
cantidad de destinos posibles acompañado de un servicio abordo en el cual se contempla:
oferta de asientos de mayor comodidad que el regular, oferta de comida, entretenimiento
abordo, transporte de equipaje sin cargo adicional al tiquete, entre otros factores
diferenciadores. El segundo tipo de aerolíneas basa su modelo de negocio en disminuir los
costos al máximo sacrificando servicio, entretenimiento y comodidad con el fin de poder
ofrecer tiquetes a un precio considerablemente menor al de las aerolíneas de red, haciendo
así el menor precio su factor diferenciador. El último grupo de aerolíneas son aquellas
enfocadas en satisfacer las necesidades que los otros dos grupos no están interesados en
cumplir, como lo son rutas regionales de pocas frecuencias y poca demanda que requieren de
flotas más pequeñas especiales para rutas cortas.
P á g i n a 6 | 41
Este mercado en los últimos tiempos se ha visto impactado de manera negativa por
esta competitividad que trajo como resultado una disminución en los márgenes,
potencializado también por las diferentes crisis sufridas a lo largo de los años, como: la guerra
del golfo, el ataque del 9/11 y la más reciente crisis hipotecaria del 2008. Esto se debe a que
esta industria depende de un entorno económico mundial estable para generar rentabilidad
(Bratlie & Jotne, 2012).
Gráfico No. 2
Evolución del precio por RTK vs Costo por ATK
Nota: Grafico tomado de IATA 2013
Justificación
La industria aeronáutica depende de un buen entorno económico, dado que la mayoría de su
ingreso proviene del transporte de pasajeros. En momentos de crisis económicas, estos son
los más afectados y por ende limitan su gasto en este tipo de servicios, no esenciales. Sin
embargo, existen diferentes factores que afectan de manera significativa la capacidad de
generar rentabilidad para los inversionistas.
P á g i n a 7 | 41
El gasto en combustible se puede considerar como uno de los más importantes en esta
industria. Todas las compañías deben enfocar sus esfuerzos en generar eficiencias en el
consumo, principalmente, a través de la renovación de la flota por aquellas de consumo
eficiente (IATA, 2016).
Gráfico No. 3
Evolución del precio del WTI – Evolución Consumo
Nota: Grafico tomado de IATA 2016
A pesar de los grandes esfuerzos, la gráfica No. 3 muestra que el precio del petróleo
tuvo un incremento de manera exponencial entre el año 2000 y 2014. Sin embargo, desde
finales del 2014 dada la sobre oferta petrolera, el precio cayó a niveles históricos y han
permitido que el costo operacional se aliviane de manera drástica.
Otra de las características importantes del sector es el nivel de inversión en capital y
su forma de adquirirlo. Se espera que para el 2016 las compañías reciban 1,900 aeronaves
nuevas, como lo menciona la IATA en su reporte de mitad del 2016. Este recibimiento es
una importante inversión que se ha visto potencializada por la disminución de costos de
operación que incremento ROIC de la industria. ROIC que como se muestra en la gráfica No.
4 sobrepasa por primera vez en muchos años el WACC estimado de la industria.
P á g i n a 8 | 41
Gráfico No. 4
Evolución del ROIC vs WACC de la Industria
Nota: Grafico tomado de IATA 2016
Teniendo conocimiento de estos dos grandes gastos y del comportamiento de la
industria, es como nos nace la inquietud de averiguar a través de esta investigación cuáles
son los determinantes de una estructura óptima de capital dentro de la industria del transporte
aéreo.
Estado del arte
La estructura de capital ha sido un tema de interés desde hace varias décadas. Muchos autores
han escrito sobre este tema y muchos investigadores se han basado en estas teorías para
probarlas, desmentirlas o adicionar nuevos componentes que enriquezcan la teoría. A
continuación, vamos a exponer algunos de los hallazgos que otros han encontrado al realizar
regresiones basadas en la estructura de capital. Principalmente nos vamos a basar en algunas
variables que exponen Titman y Wessel (1988) como determinantes en la estructura de
capital, estas son: tamaño de la compañía, valor de garantía de los activos, impuestos no
asociados a la deuda, rentabilidad, clasificación de la industria, volatilidad, crecimiento y
competencia, a continuación discutimos cada una de ellas:
P á g i n a 9 | 41
Tamaño de la compañía
Para muchos puede ser irrelevante o pueden desconocer la relación que podría llegar a existir
entre el tamaño de la firma y la estructura de capital. Lo cierto es que, a medida que el
investigador va afianzando sus conocimientos en la estructura de capital, va encontrando
diferentes variables que le llevan a deducir que el tamaño de la firma y el apalancamiento
con deuda están directamente relacionados. Si analizamos esta afirmación quiere decir que
una multinacional que puede tener centenares de accionistas tiende a endeudarse más que
una compañía mediana o pequeña que tiene un número limitado de socios donde la mayoría
de ellos puede conocerse. La variable que juega un papel importante en esta decisión es el
costo de financiación, entendiéndose como los costos adicionales en que debe incurrir la
empresa cuando adquiere una deuda o cuando pide aportes de capital por parte de los socios.
El costo de asumir deuda es menor, pues los intereses del préstamo tienen un menor costo
para la empresa que repartir dividendos entre sus accionistas.
Esta afirmación la soportan Milton Harris y Artur Raviv en su publicación The theory
of capital structure, donde exponen que el nivel de endeudamiento crece con el tamaño de la
firma y además con la inversión en activos fijos, beneficios fiscales diferentes de deuda y
oportunidades de inversión (1991)
Homaifar, Zietz, Benkato (1994) realizaron un modelo de auto regresión donde también
encontraron que el tamaño de la firma y las oportunidades futuras de crecimiento, juegan un
papel relevante en la estructura de capital de una compañía, creando una relación directa con
el apalancamiento.
Valor de garantía de los activos
Cuando hablamos del valor de garantía de los activos, nos referimos al valor de mercado que
estos tienen. Muchas veces escuchamos hablar del término de “hipotecas”, esto es cuando un
inmueble está comprometido por su valor comercial para garantizar el pago de una deuda en
caso que la persona no pueda responder con dinero. A medida que la inversión de una
compañía en activos tangibles es más alta, su nivel de endeudamiento también crece. Esto se
P á g i n a 10 | 41
da porque es común que las compañías que requieren este alto grado de inversión no tengan
suficiente caja para financiarse solos, por ende, deben acudir a un préstamo. Se pensaría
entonces que el valor del préstamo tiene un límite, y lo tiene, pero es mayor al de una
compañía normal pues el valor de los activos que está adquiriendo es lo suficientemente alto
como para cubrir el valor de la deuda. Este es el caso del sector aeronáutico, donde se debe
adquirir deuda para comparar aeronaves pero el valor comercial de estas cubre el valor del
préstamo.
Shyam-Sunder y Myers realizan en 1999 (Testing static tradeoff against pecking
order models of capital structure) un modelo para analizar la estructura en donde encuentran
que el ratio de la deuda está relacionado con cuatro variables principales: el ahorro en
impuestos, la inversión en investigación y desarrollo, planta y utilidades. El resultado arroja
que aquellas compañías con más activos tangibles tienen más préstamos, mientras que las
más rentables tienen menos.
En la publicación Collateral and capital structure (Rampini & Viswanathan, 2013)
se expone que el apalancamiento de una compañía se relaciona substancialmente con la
proporción de activos que es tangible. Igualmente, la falta de activos tangibles puede ser
explicada en gran medida por qué algunas empresas tienen un bajo apalancamiento. Se
concluye que los activos tangibles y capacidad de las empresas para arrendar los mismos son
determinantes críticos de la estructura de capital.
Impuestos (beneficio fiscal no asociado a deuda)
Uno de los factores más importantes que debe administrar un gerente de una compañía es el
pago de impuestos. Un mal manejo de los mismos puede llevar a que la compañía tenga
costos fiscales altísimos que podría ahorrarse con diferentes métodos utilizados a nivel
global. Uno, y el más conocido para reducir el valor de impuestos a pagar, es la adquisición
de deuda. Sin embargo la variable determinante son aquellos que no están relacionados con
la deuda sino con capital o con ingresos. Estos ahorros se pueden obtener cuando se hacen
donaciones a instituciones o cuando se crea una fundación que permite mostrar el impacto
positivo social que tiene la compañía y así disminuir la base gravable.
P á g i n a 11 | 41
Bradley, Jarrell y Kim (1984) realizan un modelo que incorpora los impuestos
personales positivos en capital y en ingresos de bonos, los costos esperados de déficit
financiero (costes de quiebra y los costes de agencia), y escudos positivos tributarios
diferentes a deuda. Se demuestra que el apalancamiento óptimo de la firma está relacionado
inversamente con los costos esperados de dificultades financieras y para la cantidad de
escudos fiscales (fijados exógenamente) y no para la deuda. Un análisis de simulación
demuestra que si los costos de dificultades financieras son significativos, el multiplicador
óptimo de la firma está inversamente relacionado con la variabilidad de los ingresos.
Otro estudio, An empirical model of capital structure: some new evidence (Homaifar,
Zietz, & Benkato, 1994) muestra en sus resultados de auto regresión que los impuestos no
asociados a la deuda tienen una relación positiva con el nivel de endeudamiento, pero la
variable no es significativa. Quiere decir que, aunque hay una relación, no es posible explicar
el nivel de endeudamiento por este componente.
Rentabilidad
Muchos pensarían que la rentabilidad es la base que construye la estructura de capital.
Cualquier inversionista o analista que esté investigando una compañía supone que la
rentabilidad de la misma es el factor más importante a considerar y, por ende, todos los
gerentes buscan maximizarla y generar mayor valor para sus socios. Cuando la deuda de una
compañía aumenta, se puede decir que la rentabilidad disminuye. Esto ocurre principalmente
por los costos financieros que tiene apalancarse en deuda.
En la publicación What do we know about capital structure? (Rajan & Zingales,
1995) la rentabilidad se correlaciona negativamente con el apalancamiento. Si en el corto
plazo, los dividendos y las inversiones son fijos, y si la financiación de la deuda es el modo
dominante de la financiación externa, los cambios en la rentabilidad se correlacionaron
negativamente con los cambios en el apalancamiento. Las grandes empresas tienden a emitir
menos capital, por ende, la influencia negativa de la rentabilidad en el apalancamiento es más
fuerte a medida que aumenta el tamaño.
P á g i n a 12 | 41
Objetivos de la Investigación
Nuestra hipótesis establece que la estructura de capital de las compañías de transporte aéreo
puede ser explicada en gran proporción por su inversión en activos tangibles (presencia física
o material).
Para probarla, decidimos enfocar este trabajo en encontrar los principales
determinantes que componen la estructura de capital de 17 aerolíneas. Esto lo vamos a
realizar mediante una regresión de panel de datos basado en la información histórica de los
últimos 11 años de las compañías seleccionadas. Inicialmente se habían considerado 20 años
como período de estudio; sin embargo, nos vimos forzados a disminuir el horizonte de tiempo
por la falta de información disponible. Correremos el modelo por el Método de Mínimos
Cuadrados Ordinarios y Método de Efectos Fijos para disminuir la posibilidad de tener
resultados incorrectos por la correlación entre variables independientes y errores.
Para llevar a cabo nuestra investigación definimos qué factores determinan la estructura de
capital de las compañías de transporte aéreo. Esto lo hicimos teniendo en cuenta nuestra
investigación previa que indica que debemos incluir aparte de la inversión en activos fijos,
el tamaño de la empresa, los gastos fiscales y la rentabilidad. Sin embargo hay ciertos
indicadores específicos de la industria que también debimos incluir como lo son: CASK,
RPK y Load factor. Indicadores que miden básicamente la eficiencia de la aerolínea en
términos de capacidad y kilómetros recorridos.
Finalmente, concluimos determinando el método que mejor se adapta a nuestra
investigación para explicar el comportamiento de los datos. Probamos si las teorías de
estructura de capital existentes explican el comportamiento de nuestro modelo y
corroboramos si las teorías existentes aplican específicamente para la industria de transporte
aéreo.
P á g i n a 13 | 41
Desarrollo
Marco teórico
Tesis tradicional con relación al apalancamiento y la estructura de capital
La tesis tradicional se basa en buscar una estructura de capital óptima por medio del uso del
apalancamiento, entendiendo que esta tiene un costo menor al exigido por los inversionistas
de capital. Sin embargo, este uso del apalancamiento debe ser moderado ya que también
exponen que el inversionista, a medida que se va haciendo uso de apalancamiento, va
exigiendo una mayor retribución, por lo cual llega un momento en que la exigencia por parte
de los inversionistas es mayor al beneficio de incrementar el apalancamiento (Zambrano
Vargas & Acuña Corredor, 2011).
Uno de los principales exponentes de la tesis tradicional es David Durand con su
publicación en 1952, donde expone en principio que el hombre de negocios actúa según sus
intereses y tiene el conocimiento para determinar qué es lo mejor. De igual forma, expone
que no siempre la maximización de los ingresos es aquello más conveniente para el hombre
de negocios, por lo cual no se debería enfocar en la maximización del ingreso sino en la
maximización del valor presente de sus futuros ingresos, permitiendo incrementar el valor de
la firma (Durand, 1952).
Modelo Modigliani – Miller
Franco Modigliani y Merton H. Miller en su artículo The cost of capital, corporation finance
and the theory of investment publicado en 1958, se enfocan en demostrar que en un mercado
sin imperfecciones la estructura de capital es irrelevante. Se entiende como imperfecciones
de mercado: los impuestos, costos de transacción y emisión, asimetría en la información
disponible, entre otros. A lo largo de su desarrollo Modigliani y Miller desarrollan diferentes
proposiciones:
P á g i n a 14 | 41
Primera Proposición: expone que el valor de mercado de una firma es independiente
de su estructura de capital, ya que el valor de la firma está dado por la los flujos
futuros capitalizados a una tasa determinada de acuerdo al grupo que pertenece.
(Modigliani & Miller, 1958)
Segunda Proposición: Expone que el rendimiento esperado de una acción, de una
compañía con algún tipo de endeudamiento financiero, aumenta de acuerdo al ratio
de deuda y capital, multiplicado por la diferencia entre la tasa determinada de
capitalización y la tasa de la deuda (Modigliani & Miller, 1958).
Ecuación No. 1 – Costo de capital
𝑲𝒆 = 𝑲𝟎 + 𝑫
𝑬∗ (𝑲𝟎 − 𝑲𝒅)
Dónde:
𝐾𝑒 = Rendimiento del Equity
𝐾0 = Rendimiento del Equty sin Deuda
𝐾𝑑 = Costo de la deuda
𝐷 = Valor de mercado de la deuda
𝐸 = Valor de mercado del capital
El modelo de Modigliani-Miller (1958) ha tenido críticas de diferentes autores que se
basan principalmente en no tomar en cuenta las imperfecciones del mercado, imperfecciones
que hacen variar las estructuras de capital entre compañías. Estas críticas a su posición
llevaron a que en 1963 Modigliani y Miller hicieran una corrección a la primera publicación,
corrección en la cual incluyeron en el análisis los beneficios fiscales provenientes de adquirir
deuda. Argumentan que al existir un incentivo, la estructura óptima de capital es aquella en
la que se maximiza la deuda (Zambrano Vargas & Acuña Corredor, 2011).
P á g i n a 15 | 41
Teoría costos de la Agencia
La teoría de costos de la agencia se basa en entender qué costos tiene la relación entre los
dueños de la empresa, a los cuales se les titula el principal, y las personas encargadas de
llevar el control de la empresa, a las cuales se les denomina agentes. Parte del hecho que los
dos actores quieren maximizar su beneficio; en el caso del principal, el valor de la firma, y
en el caso de los agentes, el poder. Al conocer que los mercados son imperfectos el principal
no podrá controlar la totalidad de las decisiones tomadas por los agentes (Bratlie & Jotne,
2012).
Jensen (1986) expone que uno de los costos de esta relación es el dilema de los
agentes en incrementar los flujos al principal, dado que al tener menos recursos disponibles
sobre los cuales tomar decisiones, su poder se ve afectado y no se estaría maximizando; sin
embargo, al dar vuelta a la situación, si el principal no limita los recursos disponibles del
agente, este podría comenzar a realizar inversiones que no generen valor para la firma y, por
ende, tampoco para el principal.
La deuda se muestra como una de las herramientas para disminuir estos costos de
agencias, ya que el principal, al establecer claramente unos niveles de deuda a los cuales se
debe manejar la empresa, está creando una obligación y compromiso de recursos de los cuales
los agentes no podrán disponer. Al tener un obligación los agentes priorizarán el pago de esta
obligación y evitarán malas inversiones que los puedan llevar a un posible impago de la
obligación (Zambrano Vargas & Acuña Corredor, 2011).
La teoría finalmente concluye que existe una estructura óptima entre capital y deuda
en la cual se balancean el costo implícito de la misma y la disminución de costos de los
agentes, logrando así una maximización del valor de la firma, que en últimas es el propósito
del agente del principal (Zambrano Vargas & Acuña Corredor, 2011).
P á g i n a 16 | 41
Metodología
Recolección de Datos
Para realizar la investigación se seleccionaron 17 compañías de la industria aeronáutica,
fundadas en cualquier continente. La recolección de datos se realizó mediante dos procesos,
primero y, principalmente, por medio de la herramienta Bloomberg en la que se descargó
información financiera (Ingresos, EBIT, ROA, ROE, entre otros) e indicadores
representativos del mercado (CASK, RPK’s, Load Factor, entre otros). Segundo, se realizó
la revisión de los informes anuales de las compañías para extracción de información
complementaria.
La información obtenida en Bloomberg tiene el beneficio de ser homogénea, por lo
cual, no se hicieron correcciones a las bases solo se depuró información e indicadores
irrelevantes para el estudio.
La muestra de la información corresponde a un período de tiempo comprendido entre
2005 y 2015. Procuramos incluir las compañías que cuenten con la mayoría de información
dentro del horizonte de tiempo determinado. En la selección de las compañías intentamos
incluir aerolíneas de todos los tamaños, modelos de negocio (regular y bajo costo) y zonas
geográficas que estén transando en bolsa y de las cuales exista información disponible.
Panel de Datos
La regresión por medio de panel de datos es utilizada para bases información en las cuales
hay una interacción de dos dimensiones: agentes y tiempo, también denominadas bases con
series de información temporal y de corte transversal (Mayorga & Muñoz, 2000). Dentro del
análisis en particular estamos tomando un número determinado de aerolíneas en un horizonte
de tiempo estipulado, por lo cual se constituye una base de datos longitudinal o de panel de
datos que permite hacer uso de esta herramienta econométrica.
Utilizar la metodología de panel de datos trae consigo las siguientes ventajas:
P á g i n a 17 | 41
Permite trabajar con un mayor rango de información y así mismo poder enfrentar un
mayor número de incógnitas (Brooks, 2008).
Disminuye los problemas de multicolinealidad dada la combinación de datos de corte
transversal y series de tiempo (Brooks, 2008).
Tiene en cuenta la heterogeneidad no observable que existe entre los agentes o a
través del tiempo (Mayorga & Muñoz, 2000)
Especificación del Modelo Panel de datos
A continuación, se presenta la ecuación base para una regresión por medio panel de datos o
también conocida como una regresión agrupada.
Ecuación No. 2 – Especificación Modelo Panel de Datos
𝒀𝒊𝒕 = 𝜶𝒊𝒕 + 𝜷𝑿𝟏𝑿𝟏𝒊𝒕 + ⋯ + 𝜷𝑿𝒏𝑿𝒏𝒊𝒕 + 𝒖𝒊𝒕
Dónde:
𝑌𝑖𝑡 = Variable dependiente
𝛼𝑖𝑡 = Intercepto
𝛽𝑋𝑛 = Parámetro Xn
𝑋𝑛𝑖𝑡 = Variable independiente
𝑢𝑖𝑡 = Error
Es posible que con este modelo, la estimación por medio de Mínimos Cuadrados
Ordinarios (MCO), arroje resultados cuestionables cuando los errores se encuentren
correlacionados con las variables independientes. Para solucionar este inconveniente existen
dos metodologías alternativas: método de efectos fijos y método de efectos variables
(Montero Granados, 2011).
1. Método de Efectos Fijos
El método de efectos fijos se basa en descomponer el error (𝒖𝒊𝒕) de la formula base en dos
componentes adicionales:
P á g i n a 18 | 41
Ecuación No. 3 – Ecuación error efectos fijos
𝒖𝒊𝒕 = 𝝁𝒊 + 𝝑𝒊𝒕
𝝁𝒊: Efecto especifico que varía en los agentes pero es constante en el tiempo, el cual es
conocido como efectos no observables (Mayorga & Muñoz, 2000).
𝝑𝒊𝒕: Un error residual que varía atreves del tiempo y los agentes (aleatorio) (Brooks,
2008).
Ecuación No. 4 – Ecuación método efectos fijos
𝒀𝒊𝒕 = 𝜶𝒊𝒕 + 𝜷𝑿𝟏𝑿𝟏𝒊𝒕 + ⋯ + 𝜷𝑿𝒏𝑿𝒏𝒊𝒕 + 𝝁𝒊 + 𝝑𝒊𝒕
2. Método de Efectos Aleatorios
El método de efectos aleatorios no varía en especificación respecto al modelo de efectos fijos;
sin embargo, hay una diferencia en la percepción del 𝝁𝒊, el cual ya no se considera contante
en el tiempo y específico para cada individuo, si no, a diferencia se considera una variable
aleatoria con un valor medio 𝝁𝒊 y una Var(𝝁𝒊) ≠ 0 (Montero Granados, 2011).
3. Método a utilizar
Para el análisis se va a correr el Método de Mínimos Cuadrados Ordinarios y tomaremos este
como el escenario base. Con la premisa de la posible correlación entre los errores, decidimos
correr también el Método de Efectos Fijos y analizar si con este nuestros datos son explicados
en mayor proporción.
Definición de las Variables
Para correr nuestro modelo elegimos ocho indicadores que consideramos son significativos
en el nivel de apalancamiento de una compañía aérea. Basados en nuestra investigación,
P á g i n a 19 | 41
determinamos que era necesario contar con indicadores “clásicos” y “característicos de la
industria”.
1. Variable Dependiente
Endeudamiento Total o Nivel de Endeudamiento
El endeudamiento total representa la participación de los acreedores dentro de los activos de
la empresa (Ortíz Anaya, 2006).
Ecuación No. 5 – Endeudamiento Total
𝐸𝑛𝑑𝑒𝑢𝑑𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑇𝑜𝑡𝑎𝑙 =𝑇𝑜𝑡𝑎𝑙 𝑝𝑎𝑠𝑖𝑣𝑜 𝑐𝑜𝑛 𝑡𝑒𝑟𝑐𝑒𝑟𝑜𝑠
𝑇𝑜𝑡𝑎𝑙 𝑎𝑐𝑡𝑖𝑣𝑜
2. Variables Independientes
“Clásicas”
Margen Operacional
El margen operacional se operacional representa la rentabilidad obtenida por actividades
relacionadas con la operación.
Ecuación No. 6 – Margen Operacional
𝑀𝑎𝑟𝑔𝑒𝑛 𝑂𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑎𝑙 =𝑈𝑡𝑖𝑙𝑖𝑑𝑎𝑑 𝑂𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑎𝑙
𝑉𝑒𝑛𝑡𝑎𝑠 𝑁𝑒𝑡𝑎𝑠
Activos Fijos
Con esta variable se busca conocer cuánto representan los activos fijos dentro de los activos
totales.
Ecuación No. 7 – Concentración de Activos
𝐴𝑐𝑡𝑖𝑣𝑜𝑠 𝐹𝑖𝑗𝑜𝑠 =𝐴𝑐𝑡𝑖𝑣𝑜𝑠 𝐹𝑖𝑗𝑜𝑠 𝑁𝑒𝑡𝑜𝑠
𝐴𝑐𝑡𝑖𝑣𝑜 𝑡𝑜𝑡𝑎𝑙
P á g i n a 20 | 41
Cobertura de Intereses
Este indicador busca mostrar el impacto de los intereses sobre las utilidades operacionales,
lo cual también indirectamente muestra un relación con el nivel de endeudamiento (Ortíz
Anaya, 2006).
Ecuación No. 8 – Cobertura de intereses
𝐶𝑜𝑏𝑒𝑟𝑡𝑢𝑟𝑎 𝑑𝑒 𝐼𝑛𝑡𝑒𝑟𝑒𝑠𝑒𝑠 =𝑈𝑡𝑖𝑙𝑖𝑑𝑎𝑑 𝑂𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑎𝑙
𝐼𝑛𝑡𝑒𝑟𝑒𝑠𝑒𝑠 𝑃𝑎𝑔𝑎𝑑𝑜𝑠
Cantidad de empleados
Con este indicador buscamos tener alguna medida que nos indique el tamaño de la compañía.
Aunque es arbitrario tomar esto como definición, ya que estamos descartando el costo de la
mano de obra y la inversión en tecnología que reemplazan a las personas, creemos que es una
buena aproximación que nos sirve para nuestro modelo.
“De la industria”
Revenue Passengers per Kilometer (RPK´s)
Indicador característico del sector el cual representa una medida de tráfico, en el cual se
calcula el número de pasajeros (que generan ingreso para la compañía) transportados por
kilómetro volado.
Ecuación No. 9 – RPK
𝑅𝑃𝐾´𝑠 = 𝑃𝑎𝑠𝑎𝑗𝑒𝑟𝑜𝑠 𝑑𝑒 𝐼𝑛𝑔𝑟𝑒𝑠𝑜 𝑇𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑎𝑑𝑜𝑠 ∗ 𝐾𝑖𝑙𝑜𝑚𝑒𝑡𝑟𝑜𝑠 𝑉𝑜𝑙𝑎𝑑𝑜𝑠
Load Factor (%)
Este indicador es también de capacidad utilizada, sin embargo, aquí se tienen en cuenta la
capacidad máxima disponible de una aeronave o de todo el sistema medido en sillas vs. el
número real de pasajeros que se transportaron.
P á g i n a 21 | 41
Ecuación No. 10 – Load Factor
𝐿𝑜𝑎𝑑 𝐹𝑎𝑐𝑡𝑜𝑟 =𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑝𝑎𝑠𝑎𝑗𝑒𝑟𝑜𝑠
𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑠𝑖𝑙𝑙𝑎𝑠 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒𝑠
Cost per Available Seat Kilometers (CASK)
Este indicador, al igual que el RPK, es característico de la industria y se utiliza para medir la
eficiencia en costos de cada aerolínea y que sea comparable sin importar tamaño o capacidad.
Ecuación No. 11 – CASK
𝐶𝐴𝑆𝐾 =𝐶𝑜𝑠𝑡𝑜 𝑇𝑜𝑡𝑎𝑙
𝐴𝑆𝐾
Ecuación No. 12 – ASK
𝐴𝑆𝐾´𝑠 = 𝑆𝑖𝑙𝑙𝑎𝑠 𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒𝑠 ∗ 𝐷𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝑑𝑒 𝑣𝑢𝑒𝑙𝑜
Variable Dummy
Para el análisis de este modelo se decidió correr la regresión varias veces incluyendo las
siguientes variables dummy, esto con el fin de poder conocer que distinciones cualitativas
son las que generan mayor impacto en la robustez del modelo. Por consiguiente, se utilizaron
una serie de variables dummy de acuerdo a las características transversales que se mencionan
a continuación:
Low Cost Carrier
Las aerolíneas denominadas como low cost generalmente son aquellas que tienen una
estructura de costos menor o más eficiente a la de otros competidores, lo cual tratan de
trasladar al precio del tiquete, es por esto que tienden a tener una estrategia de precios.
(International Civil Aviation Organization, 2004).
Las aerolíneas seleccionadas como low cost carrier fueron: Westjet Airlines, Southwest
Airlines, Allegiant Travel.
P á g i n a 22 | 41
Empresas de EEUU
Al incluir esta variable dummy se pretende medir cual es el impacto respecto al modelo base,
cuando se logra distinguir las aerolíneas de Estados Unidos frente a las del resto del mundo.
Las aerolíneas seleccionadas fueron: Alaska, Hawaiian, Republic Airways, Sothwest airlines,
Allegiant.
Empresas de la región asiática
Al incluir esta variable dummy se pretende medir cual es el impacto respecto al modelo base,
cuando se logra distinguir las aerolíneas de la región asiática frente a las del resto del mundo.
Las aerolíneas seleccionadas fueron: Air China, Air New Zealand, Cathay Pacific Airways,
China Eastern, China Southern, Singapore.
Concentración de Activos fijos por encima del 70%
Puesto que nuestra hipótesis principal relaciona con las empresas que tienen alta
concentración de activos, es importante ver la afectación de esta alta concentración definida
como una concentración mayor al 70%.
Empresas con personal por encima de 20,000 empleados
Esta dummy se utilizó para medir el impacto que puede tener el tamaño de la compañía y qué
impacto tienen sobre el endeudamiento.
CASK menor al promedio de la muestra: 8.497 (compañías más eficientes).
Mediante esta característica se busca conocer que impacto tiene la eficiencia en costos dentro
del endeudamiento de las compañías.
P á g i n a 23 | 41
Resultados
Análisis de la información de la muestra
Para la construcción del modelo se logró obtener información de 17 compañías en un
horizonte de tiempo de 11 años, comprendidos entre el 2005 y el 2015. Para estas compañías,
se tomaron las variables definidas anteriormente y a continuación se realiza una descripción
de las principales características de la información obtenida.
Endeudamiento Total o Nivel de Endeudamiento
Dentro de la muestra se tiene una media de 0,38 lo cual nos muestra que las compañías de
transporte aéreo tienen, en promedio, un endeudamiento del 38%, una desviación estándar
de 0,2, un endeudamiento mínimo de 4% y máximo de 96%.
Margen Operacional
Dentro de la muestra se tiene una media de 0,6 lo cual nos muestra que las compañías de
transporte aéreo tienen, en promedio, un margen operacional del 6%. La desviación estándar
es de 0,07, un margen mínimo de -20% y máximo de 29%. Esta información nos corrobora
que es un sector en el cual se manejan márgenes bajos e incluso negativos.
Activos Fijos
La media dentro de este indicador es de 0,59, lo cual nos dice que en promedio el 59% de los
activos de una aerolínea esta representados por sus activos fijos, adicional a esto muestra un
mínimo de 8% y un máximo de 89%. Esta concentración se explica casi en su totalidad por
la forma en la cual las diferentes compañías deciden financiar sus aeronaves (lease operativo,
lease financiero o recursos propios).
P á g i n a 24 | 41
Cobertura de Intereses
En promedio las aerolíneas tienen una cobertura de intereses de 5,37 veces, con un mínimo
de -4,52 veces y un máximo de 162,25 veces.
Cantidad de empleados
Con la cantidad de empleados planeábamos poder obtener un indicador de tamaño, para la
cual obtuvimos que las aerolíneas tienen en promedio 32.121 empleados con un mínimo de
565 y máximo de 120.652 empleados.
Revenue Passengers per Kilometer (RPK´s)
En los RPK´s obtuvimos una media de 2.480.247 pasajeros por kilómetro, con un mínimo de
124.874 pasajeros por kilómetro y un máximo de 11.336.469 pasajeros por kilómetro.
Adicional a esto, tenemos una desviación estándar de 2.079.760, esta alta desviación
evidencia que dentro de la muestra tenemos tanto empresas con gran tráfico de pasajeros
como otras con tráficos menores, posiblemente debido a su tamaño de flota.
Load Factor (%)
Dentro de la muestra se tiene una media de 0,79 lo cual permite ver que las compañías de
transporte aéreo tienen en promedio un load factor del 79%, es decir, logran vender el 79%
de su capacidad disponible. Adicional a eso, encontramos un load factor mínimo de 69% y
máximo de 89%.
Cost per Available Seat Kilometers (CASK)
Dentro de la muestra tenemos un CASK promedio de $8.50 centavos de dólar por silla por
kilómetro. Encontramos, por un lado, dentro de la muestra empresas con gran eficiencia en
costos con un mínimo de $4.51 centavos de dólar por silla por kilómetro y, por el otro,
aerolíneas poco eficientes con un máximo de $21.61 centavos de dólar por silla por
kilómetro.
P á g i n a 25 | 41
Método Mínimos Cuadrados Ordinarios
Cuadro No. 1
Resultado Método MCO
Nota: Elaboración propia con datos obtenidos de Bloomberg
En el cuadro No. 1 se presenta el resultado del escenario corrido por el Método de
Mínimos Cuadrados Ordinarios. En él, vale la pena resaltar dos factores principales. Para
empezar, observamos que el r2 del modelo es de 0,45. Este resultado nos indica que las
variables independientes explican en un 45% el comportamiento de la variable dependiente.
Adicionalmente, debemos revisar el nivel de significancia de las variables
independientes dentro del modelo. Esto lo realizamos revisando las probabilidades y todo
P á g i n a 26 | 41
aquello que se encuentre por encima de 5%, no es significativo dentro del modelo. En este
caso, tenemos dos variables no significativas: Load Factor y WTI.
Método Efectos Fijos
Cuadro No. 2
Resultado Método Efectos Fijos
Nota: Elaboración propia con datos obtenidos de Bloomberg
A diferencia del modelo por el Método de Mínimos Cuadrados Ordinarios, el Modelo
de Efectos Fijos (Cuadro No. 2) nos muestra un 𝑟2 de 0.89, que permite ver que el modelo
P á g i n a 27 | 41
propuesto explica en 89% el comportamiento de la variable dependiente. Por otra parte,
vemos que el Load Factor, al igual que en el modelo inicial, y el CASK tienen una
probabilidad mayor a 0.05, por lo cual nos muestra que no son representativas dentro del
modelo.
Para correr el modelo de Efectos Fijos, debemos excluir el WTI por los valores
contantes que se presentan en los años, independiente de la compañía. Por esta razón no lo
vemos en los resultados y tampoco su nivel de significancia en el modelo.
Margen Operacional
El margen operacional tiene una relación inversa con el endeudamiento dado que su
coeficiente es negativo, lo que quiere decir que a mayor margen menor el nivel de
endeudamiento.
Haciendo un análisis de sensibilidad podemos inferir que, con una desviación
estándar del margen, el endeudamiento puede incrementar o disminuir en un 3.92%
Activos Fijos
La concentración en activos fijos tiene una relación directa con el endeudamiento dado que
su coeficiente es positivo, lo que quiere decir que, a mayor concentración en activos fijos,
mayor el nivel de endeudamiento.
Haciendo un análisis de sensibilidad podemos inferir que, con una desviación
estándar de la concentración en activos fijos, el endeudamiento puede incrementar o
disminuir en un 5.36%
Cobertura de Intereses
La cobertura de interés presenta una relación inversa al endeudamiento, lo que quiere decir
que entre las empresas puedan mejorar su cobertura de intereses el endeudamiento tendrá una
tendencia decreciente.
P á g i n a 28 | 41
Haciendo un análisis de sensibilidad podemos inferir que, con una desviación
estándar de la cobertura de intereses, el endeudamiento puede incrementar o disminuir en un
1.89%
Cantidad de empleados
El número de empleados en la compañía tiene relación directa con el tamaño de la misma,
variable que nos dio como resultado que tiene una relación directa con el endeudamiento.
Haciendo un análisis de sensibilidad podemos inferir que, con una desviación
estándar del número de empleados, el endeudamiento puede incrementar o disminuir en un
15.9%.
Revenue Passengers per Kilometer (RPK´s)
Los RPK’s presentan una relación inversa con el endeudamiento, mostrándonos que al tener
más pasajeros que generen ingreso por kilómetro volado el endeudamiento tiende a disminuir
Haciendo un análisis de sensibilidad podemos inferir que con una desviación estándar
del número de RPK’s, el endeudamiento puede incrementar o disminuir en un 12.7%.
Efectos en el Modelo con Variables Dummy
En nuestro análisis decidimos correr ocho escenarios con variables dummy. El objetivo de
estos escenarios, era probar qué efectos, sean transversales o longitudinales, impactaban o
explicaban en mayor proporción el modelo. En el Anexo 1, podemos encontrar los resultados
de los ocho escenarios propuestos.
En el cuadro No. 3 mostramos el escenario con el mayor r2, concentración de activos
superior al 70%. Se puede ver que, en este modelo, las variables independientes explican en
un 53% el comportamiento de la variable dependiente. Este incremento en el r2 frente al
modelo de MCO, nos muestra que existe una relación fuerte entre la concentración de activos
y su nivel de endeudamiento.
P á g i n a 29 | 41
Cuadro No. 3
Resultado con variable dummy de concentración
Nota: Elaboración propia con datos obtenidos de Bloomberg
Adicionalmente, en el cuadro No. 4 mostramos un escenario con efectos
transversales, la crisis del 2008. Con este escenario queríamos analizar el impacto de un
hecho ocurrido en un mismo año y que afectó indiferente a compañías de todas las industrias,
en todos los países, en menor o mayor proporción para cada caso.
Los resultados arrojan que esta crisis no tiene impacto significativo. Vemos que el r2
de este escenario es de 0.45, igual al escenario base, Mínimos Cuadrados Ordinarios. El
modelo explica 45% del comportamiento de la variable dependiente y al igual que en
escenarios anteriores, el Load Factor y WTI dejan de ser variables significativas dentro del
modelo.
P á g i n a 30 | 41
Cuadro No. 4
Resultado con variable dummy de crisis del 2008
Nota: Elaboración propia con datos obtenidos de Bloomberg
Conclusión
Después de correr nuestro modelo a través de una regresión de paneles de datos mediante el
Método de Mínimos Cuadrados Ordinarios y el Método de Efectos Fijos, podemos concluir
que el modelo planteado en esta investigación se explica en mayor proporción por el Método
de Efectos Fijos. Al realizar el análisis, fijando tanto los efectos transversales, los años; como
longitudinales, las compañías; vemos que el comportamiento del nivel de apalancamiento de
una compañía se explica en 89% por las variables definidas.
P á g i n a 31 | 41
En nuestro análisis tomamos ocho variables, cuatro clásicas, tres de la industria y el
precio del petróleo, uno de los gastos operacionales que generan mayor impacto en el PYG
de una compañía aérea y que se considera como un gasto “no controlable”. Analizando
nuestros resultados, podemos concluir que tenemos dos variables de la industria, que no son
significativas en el nivel de apalancamiento de la compañía. La primera es el Load Factor o
factor de carga. Esta variable mide la eficiencia de uso de una aeronave en términos de sillas
disponibles versus sillas ocupadas. Si analizamos más a fondo, vemos que este indicador es
poco significativo pues el hecho de que las sillas estén ocupadas casi en su 100%, no traduce
directamente que la compañía se esté apalancando para la compra de aviones. Puede ser que
la compañía esté llegando a niveles eficientes por el tamaño de sus aeronaves o por el enfoque
de su operación: tradicional o bajo costo.
La segunda variable no significativa en nuestro modelo es el CASK, Cost Available
Seat Kilometers, un indicador del costo de la compañía que busca también la eficiencia de
los costos operacionales directos entre las sillas disponibles y las distancias recorridas. Este
indicador no es significativo en el modelo, pues en él se miden eficiencias en términos de
diluir los costos fijos en mayores distancias o tamaño de aeronaves, pero no se relaciona
directamente con el apalancamiento de la compañía.
Adicionalmente, debemos mencionar al WTI, que si bien no se incluye en los análisis
de Efectos Fijos transversales, en el escenario base no es significativo pues el nivel de
apalancamiento de una compañía aérea no está directamente relacionado con los precios del
petróleo. De hecho, sería incorrecto que se encontrara una relación directa, pues arrojaría una
situación crítica de la compañía cuando se necesitan apalancar para cubrir costos
operacionales.
Nuestra hipótesis plantea que la estructura de capital de las compañías de transporte
aéreo puede ser explicada en gran proporción por su inversión en activos tangibles (presencia
física o material). Cuando realizamos el análisis de sensibilidad a través del método de
Efectos Fijos, encontramos que efectivamente el apalancamiento de una compañía puede ser
explicado por sus activos fijos. En nuestros resultados, encontramos que cuando la
P á g i n a 32 | 41
proporción de activos fijos sobre activos totales incrementa en una desviación, 15%, el
apalancamiento crece de forma directa en un 5,36%.
Nuestro análisis nos arroja que el tamaño de la compañía, interpretado con número
de empleados en nuestro panel, también es un factor determinante en el apalancamiento.
Nuestros datos arrojan que por una desviación que incremente el número de empleados, el
apalancamiento puede de igual forma incrementar 15%. Este resultado necesita mayor
análisis, pues el tamaño de la compañía no puede ser determinado solo por su número de
empleados. Sin embargo, de acuerdo a la investigación planteada anteriormente, vemos que
efectivamente las compañías de mayor tamaño tienden a tener mayor endeudamiento que las
pequeñas.
El tercer factor que afecta en gran proporción el apalancamiento, es un indicador de
la industria, el RPK, Revenue Passengers per Kilometer. Este indicador establece cuántos
pasajeros que generan ingreso fueron transportados por kilómetro. En este caso, la relación
es inversa y establece que por cada desviación que incrementa el RPK, el nivel de
apalancamiento decrece en 12.7%. Esto se puede explicar, principalmente, porque al tener
mayor número de pasajeros volando y mayor número de kilómetros recorridos, se puede
deducir que es una empresa con un capital robusto que le permite apalancar la compra de sus
aeronaves con capital propio y no con deuda.
Finalmente, con esta investigación queríamos comprobar si las teorías de estructura
de capital existentes aplicaban para la industria de transporte aéreo. Como lo planteamos
anteriormente, vemos que hay ciertos componentes principales que determinan la estructura
de capital: rentabilidad, valor de garantía los activos, tamaño de la compañía, clasificación
de la industria, volatilidad, crecimiento, entre otros.
Según nuestros resultados, podemos concluir que efectivamente las teorías existentes
si aplican a la industria de transporte aéreo. Según nuestra regresión, todas las variables
“clásicas” que elegimos para probar nuestra hipótesis son significativas. El margen
operacional, es un indicador de la rentabilidad de la compañía y es significativa. En nuestros
P á g i n a 33 | 41
resultados vemos que el apalancamiento decrece, cuando el margen incrementa. Tal como lo
dicen las teorías actuales, una empresa es más rentable cuando su apalancamiento es menor.
El porcentaje de activos netos sobre activos totales, nos dan un indicador del valor de
garantía de los activos. Esta variable, es igualmente significativa. En nuestros resultados,
vemos que cuando esta participación incrementa, el apalancamiento crece también. Como lo
vimos en las publicaciones consultadas, este resultado responde a las teorías ya existentes
donde exponen que el apalancamiento se puede explicar por la cantidad de activos porpios o
arrendados que tenga una compañía.
El número de empleados, es un indicador del tamaño de la compañía. Aunque
debemos considerar otros factores para determinar el tamaño, en nuestra regresión esta
variable es significativa. Según nuestros resultados vemos que entre más grande es la
compañía, el apalancamiento también tiende a ser mayor. En los estudios consultados, los
autores exponen que efectivamente las multinacionales suelen tener mayor apalancamiento
que, por ejemplo, una empresa de familia mediana.
Habiendo revisado y analizado nuestros resultados, podemos concluir que
efectivamente, las teorías ya planteadas si aplican para la compañías de transporte aéreo.
P á g i n a 34 | 41
Anexo 1
Escenarios Variables Dummy
1. Low-cost:
a. Allegiant Travel Co (ALGT US) – GAAP
b. Southwest Airlines Co (LUV US) – GAAP
c. WestJet Airlines Ltd (WJA CN) – GAAP
Cuadro No. 5
Resultado con variable dummy Low-cost
Nota: Elaboración propia con datos obtenidos de Bloomberg
P á g i n a 35 | 41
2. Aerolíneas de Estados Unidos:
a. Alaska Air Group Inc (ALK US) – GAAP
b. Allegiant Travel Co (ALGT US) - GAAP
c. Hawaiian Holdings Inc (HA US) – GAAP
d. Republic Airways Holdings Inc (RJETQ US) - GAAP
e. Southwest Airlines Co (LUV US) - GAAP
Cuadro No. 6
Resultado con variable dummy aerolíneas de Estados Unidos
Nota: Elaboración propia con datos obtenidos de Bloomberg
P á g i n a 36 | 41
3. Tamaño Grandes: por encima de 20.000 empleados
a. Air China Ltd (601111 CH) - GAAP
b. Air France-KLM (AF FP) - GAAP
c. Cathay Pacific Airways Ltd (293 HK) - GAAP
d. China Eastern Airlines Corp Ltd (600115 CH) - GAAP
e. China Southern Airlines Co Ltd (600029 CH) - GAAP
f. Deutsche Lufthansa AG (LHA GR) - GAAP
g. Latam Airlines Group SA (LAN CI) - GAAP
h. Singapore Airlines Ltd (SIA SP) - GAAP
i. Southwest Airlines Co (LUV US) – GAAP
Cuadro No. 7
Resultado con variable dummy Tamaño
Nota: Elaboración propia con datos obtenidos de Bloomberg
P á g i n a 37 | 41
4. CASK menor al promedio de la muestra: 8.497 (compañías más eficientes)
a. Alaska Air Group Inc (ALK US) - GAAP
b. Allegiant Travel Co (ALGT US) - GAAP
c. China Eastern Airlines Corp Ltd (600115 CH) - GAAP
d. China Southern Airlines Co Ltd (600029 CH) - GAAP
e. Hawaiian Holdings Inc (HA US) - GAAP
f. Latam Airlines Group SA (LAN CI) - GAAP
g. Republic Airways Holdings Inc (RJETQ US) – GAAP
h. Singapore Airlines Ltd (SIA SP) - GAAP
i. Southwest Airlines Co (LUV US) - GAAP
j. WestJet Airlines Ltd (WJA CN) – GAAP
Cuadro No. 8
Resultado con variable dummy CASK (Compañías eficientes)
Nota: Elaboración propia con datos obtenidos de Bloomberg
P á g i n a 38 | 41
5. WTI por encima de los 90 dólares:
a. 2008
b. 2011
c. 2013
d. 2014
Cuadro No. 9
Resultado con variable dummy WTI mayor a $90 dólares
Nota: Elaboración propia con datos obtenidos de Bloomberg
P á g i n a 39 | 41
6. Aerolíneas Asiáticas:
a. Air China Ltd (601111 CH) – GAAP
b. Air New Zealand Ltd (AIR NZ) – GAAP
c. Cathay Pacific Airways Ltd (293 HK) – GAAP
d. China Eastern Airlines Corp Ltd (600115 CH) – GAAP
e. China Southern Airlines Co Ltd (600029 CH) – GAAP
f. Singapore Airlines Ltd (SIA SP) – GAAP
Cuadro No. 10
Resultado con variable dummy Aerolíneas Asiáticas
Nota: Elaboración propia con datos obtenidos de Bloomberg
P á g i n a 40 | 41
Bibliografía
Bradley, M., Jarrell, G., & Kim, E. (1984). On the existence of an optimal capital structure:
Theory and evidence. The journal of Finance, págs. 857-878.
Bratlie, E. K., & Jotne, A. (2012). Capital Structure In the Arline Industry - An Empirical
Study of Determinants of Capital Structure (Tesis Maestría). Obtenido de
https://brage.bibsys.no/xmlui/handle/11250/169581
Brooks, C. (2008). Introductory Econometrics for Finance. Cambridge University Press.
Durand, D. (1952). Costs of Debt and Equity Funds for Business: Trends and Problems of
Measurement. Costs of Debt and Equity Funds for Business: Trends and Problems
of Measurement. Obtenido de http://www.nber.org/chapters/c4790
Goodman, C. J. (Octubre de 2008). Takeoff and descend of airline employment. 3-16.
Bureau of Labor Statistics. Obtenido de
http://www.jstore.org/stable/monthlylaborrev.2008.10.003
Harris, M., & Raviv, A. (1991). The theory of capital structure. Journal of Finance, 46,
págs. 297-355.
Homaifar, G., Zietz, J., & Benkato, O. (1994). An empirical model of capital structure:
some new evidence. Journal of Business Finance & Accounting, 21(1), págs. 1-14.
IATA. (2013). Profitability andthe air transport value chain. Profitability andthe air
transport value chain. Obtenido de
https://www.iata.org/whatwedo/Documents/economics/profitability-and-the-air-
transport-value%20chain.pdf
IATA. (2016). Economic Performance of the Arline Industry. Economic Performance of
the Arline Industry. Obtenido de
http://www.iata.org/whatwedo/Documents/economics/IATA-Economic-
Performance-of-the-Industry-mid-year-2016-report.pdf
Iatrou, K. (2014). 100 Years of Commercial Aviation (Vol. 1). Hermes Air Transport Club.
International Civil Aviation Organization. (2004). Manual on the regulation of
international air transport. ICAO. Obtenido de International Civil Aviation
Organization.
Interntional Civil Aviation Organization. (10 de 10 de 2016). Interntional Civil Aviation
Organization. Obtenido de Interntional Civil Aviation Organization: www.icao.int
Jensen, M. C. (Mayo de 1986). Agency Costs of Free Cash Flow, Corporate Finance, and
Takeovers. The American Economic Review, 76(2), 323-329. American Economic
Association. Obtenido de http://www.jstor.org/stable/1818789?origin=JSTOR-pdf
P á g i n a 41 | 41
Mayorga, M., & Muñoz, E. (Septiembre de 2000). La técnica de datos de panel. Una guia
para su uso e interpretación. Costa Rica.
Modigliani, F., & Miller, M. H. (Junio de 1958). The Cost of Capital, Corporation Finance
and the Theory of Investment. The American Economic Review, 48(3), 261-297.
American Economic Association. Obtenido de
http://www.jstor.org/stable/1809766?origin=JSTOR-pdf
Montero Granados, R. (Junio de 2011). Efectos fijos o aleatorios: test de especificación.
Documentos de trabajo en economia aplicada. Universidad de Granad.
Ortíz Anaya, H. (2006). Análisis financiero aplicado. Bogota: Universidad Externado de
Colombia.
Rajan, R., & Zingales, L. (1995). What do we know about capital structure? Some evidence
from international data. The journal of Finance, págs. 1421-1460.
Rampini, A., & Viswanathan, S. (2013). Collateral and capital structure. Journal of
Financial Economics, págs. 466-492.
Rosales Alvarez, R. A., Perdomo Calvo, J. A., Morales Torrado, C. A., & Urrego
Mondragon, J. A. (2010). Fundamentos de econometria intermedia: Teoría y
aplicaciones. Bogotá: Uniandes.
Shyam-Sunder, L., & Myers, S. (1999). Testing static tradeoff against pecking order
models of capital structure. Journal of financial economics, págs. 219-244.
Smith Jr., F. L., & Cox, B. (2008). Library of Economics and Liberty. Recuperado el 10 de
10 de 2016, de Library of Economics and Liberty:
http://www.econlib.org/library/Enc/AirlineDeregulation.html
Titman, S., & Wessels, R. (1988). The determinants of capital structure choice. The Journal
of finance, 43(1), págs. 1-19.
World Economic Forum. (2015). The Travel & Tourism Competitiveness Report 2015. The
Travel & Tourism Competitiveness Report 2015. Obtenido de
http://www3.weforum.org/docs/TT15/WEF_Global_Travel&Tourism_Report_2015
Zambrano Vargas, S. M., & Acuña Corredor, G. A. (2011). Estructura de Capital.
Evolucion Teorica. 9(15). Criterio Libre.
Recommended